หากการสร้างแบบจำลองข้อมูลเชิงตรรกะคือการสร้างตารางที่เหมาะสมสำหรับฐานข้อมูลเชิงสัมพันธ์ การสร้างแบบจำลองข้อมูลเชิงกายภาพจะรวมการสร้างตารางที่เหมาะสมให้กลายเป็นตารางที่ใช้งานจริง รวมถึงการวางแผนการใช้พื้นที่จัดเก็บอย่างมีประสิทธิภาพ การออกแบบการแบ่งพาร์ติชันของวัตถุ การออกแบบดัชนีที่เหมาะสมที่สุด พิจารณาประสิทธิภาพและการปรับให้เหมาะสมเป็นหลัก

วิธีการค้นหาคิวรีที่ช้าซึ่งทำให้เกิดปัญหาคอขวดในการดำเนินงานของบริการนั้นแตกต่างกันไปตามประเภทของ DBMSคิวรีที่ช้าคุณจะต้องค้นหาด้วยคำสำคัญ

สิ่งที่ควรพิจารณาเพื่อประสิทธิภาพ

การค้นหาคิวรีที่ช้า (Slow Query)

• คิวรีที่ช้าคือคิวรีที่ DBMS ใช้เวลาในการประมวลผลเกินกำหนด
• ค้นหาคิวรีที่ช้าที่ทำให้เกิดปัญหาคอขวดเพื่อตรวจสอบสาเหตุและแก้ไขปัญหา

ดัชนี (Index)

• ดัชนีช่วยปรับปรุงประสิทธิภาพการอ่านข้อมูลในแถวอย่างมาก
• แต่ทำให้ประสิทธิภาพการเขียนลดลงและใช้พื้นที่จัดเก็บมากขึ้น

แคช (Cache)

• วิธีการลดภาระฐานข้อมูลในระดับแอปพลิเคชัน
• เป็นวิธีการบันทึกคำตอบของคำขอที่มีอินพุตเหมือนกันในพื้นที่จัดเก็บและส่งคืนคำตอบ

หากปัญหาประสิทธิภาพไม่ได้รับการแก้ไขด้วยวิธีข้างต้น จะดำเนินการที่เรียกว่าการทำให้เป็นปกติหรือการทำให้ไม่เป็นปกติ

เป็นการแก้ไขโครงสร้างของตาราง

การแลกเปลี่ยนของการทำให้เป็นปกติ

การทำให้เป็นปกติเปรียบเสมือนการยอมเสียสละประสิทธิภาพในการอ่านเพื่อความสะดวกในการเขียน หากดำเนินการทำให้เป็นปกติ คุณจะต้องเขียนคิวรีที่รวมข้อมูลจากตารางที่แยกออกไปหลายตาราง

แต่การทำให้เป็นปกติไม่ได้หมายความว่าจะทำให้ประสิทธิภาพลดลงเสมอไป ดังนั้นก่อนดำเนินการทำให้ไม่เป็นปกติ คุณควรระบุปัญหาและตรวจสอบอย่างละเอียด

ลิงก์ด้านล่างนี้กล่าวถึงการทำให้ไม่เป็นปกติซึ่งเป็นเนื้อหาที่จะกล่าวถึงต่อไป

[DataOnAir - การทำให้เป็นปกติและประสิทธิภาพ]

การทำให้ไม่เป็นปกติ การทำให้ไม่เป็นปกติ (denormalization)

สิ่งแรกที่ต้องทราบคือ คุณต้องทำให้ไม่เป็นปกติหลังจากดำเนินการทำให้เป็นปกติแล้ว ตารางที่ไม่เป็นปกติตั้งแต่เริ่มต้นนั้นไม่ดี

ณ ขณะนี้ยังไม่จำเป็นต้องรู้ แต่ควรทราบไว้

เทคนิคการทำให้ตารางไม่เป็นปกติ

การทำให้คอลัมน์ไม่เป็นปกติ

การทำให้ความสัมพันธ์ไม่เป็นปกติ